Chatbot de atención al cliente: caso de estudio
Un chatbot normalmente contendrá contexto relevante sobre la conversación (detalles del pedido), un resumen de la conversación hasta el momento y los mensajes más recientes. Para este caso de uso, la misma conversación anterior puede generar múltiples filas en el conjunto de datos, cada vez con un contexto ligeramente diferente, para cada generación de agentes como finalización. Este requerirá algunos miles de ejemplos, ya que probablemente tratará con diferentes tipos de solicitudes y problemas de los clientes. El resumen se puede generar con un modelo ajustado de transformación de texto independiente. El conjunto de datos podría tener el siguiente aspecto:
{"prompt":"resumen: <resumen de la interaccion hasta ahora>\n\nInformation Especifica:<por ejemplo orden de detalles en lenguaje natural>\n\n###\n\nCliente: <message1>\nSoporte: <response1>\nCliente: <message2>\nSoporte:", "completion":" <response2>\n"}
{"prompt":"resumen: <resumen de la interaccion hasta ahora>\n\nInformation Especifica:<por ejemplo orden de detalles en lenguaje natural>\n\n###\n\nCliente: <message1>\nSporte: <response1>\nCliente: <message2>\nSoporte: <response2>\nCliente: <message3>\nSoporte:", "completion":" <response3>\n"}
Aquí separamos a propósito los diferentes tipos de información de entrada, pero mantuvimos el diálogo Agente del cliente en el mismo formato entre un aviso y una finalización. Todas las finalizaciones solo deben ser realizadas por el agente, y podemos usar \n como una secuencia de parada al hacer inferencias.
Más casos de estudio:https://platform.openai.com/docs/guides/fine-tuning/preparing-your-dataset
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?
o inicia sesión.